Zum Inhalt springen
Grundlagen & Konzepte

Multimodal

In einem Satz

Ein multimodales Modell verarbeitet und versteht verschiedene Datentypen wie Text, Bild, Audio und Video gleichzeitig, was ganz neue Anwendungen ermöglicht.

Multimodalität ist der nächste große Entwicklungsschritt in der KI. Die erste Generation generativer KI war meist unimodal: Text-zu-Text (ChatGPT-3), Text-zu-Bild (Midjourney) usw. Ein multimodales Modell (wie GPT-4o oder Gemini 1.5) kann jedoch nativ verschiedene Datentypen ('Modalitäten') gleichzeitig verarbeiten und verstehen: Es kann Text lesen, Bilder sehen, Audio hören und Video verstehen.

Kostenlos anmelden und weiterlesen

Mit einem kostenlosen Konto lesen Sie 356 Begriffe vollständig, sehen im Toolfinder Stärken und Schwächen und können sich Begriffe merken.

Kostenlos anmeldenNur E-Mail, Code statt Passwort
AdvancedVersatile

Verwandte Begriffe

Werbelink · Als Amazon-Partner verdiene ich an qualifizierten Verkäufen.

Sonntags die ganze KI Woche, kostenlos auf LinkedIn Editorial, die wichtigsten Themen und was daraus folgt. Jederzeit abbestellbar. Der Plus-Newsletter für Mitglieder von KI Woche Plus startet in Kürze.
Newsletter abonnieren

Willkommen zurück

Ein Konto für die KI Woche, Ihre Downloads und die App. Ohne Passwort: Sie bekommen einen Code per E-Mail.

Buch gekauft? Ihre Unterlagen finden Sie unter Downloads. Code erhalten? Hier einlösen. Datenschutz